روش هایی که تاکنون بیان شده اند، اگرچه بسیار ساده می باشند اما از کارایی کمی نیز برخوردار می باشند. با توجه به افزایش روز افزون استفاده از موجک در پردازش سیگنال های صوتی، در این قسمت به معرفی یک روش قدرتمند مبتنی بر تبدیل بسته موجک در شناسایی فریم های سکوت خواهیم پرداخت. در این روش ابتدا سیگنال صوتی آغشته به نویز به بازه های زمانی کوچک تقسیم می گردد، سپس از هریک از این فریم ها تبدیل بسته موجک گرفته می شود. از آنجایی که فریم های سکوت تنها حاوی نویز می باشند و نویز نیز حاوی فرکانس های بالا می باشد لذا بایستی انرژی آخرین باند در تبدیل بسته موجک از بقیه باندهای فرکانسی بیشتر باشد.
اگر فرض کنید S(n) سیگنال بدون نویز وW(n) نویز اضافه شونده باشد برای یک سیگنال نویزی داریم

برای دانلود متن کامل پایان نامه به سایت  jemo.ir  مراجعه نمایید.

(۳-۹۱)

با اعمال آنالیز بسته ای موجک به سیگنال معادله ی بالا داریم:

(۳-۹۲)
(۳-۹۳)

،  و  به ترتیب مؤلفه های تقریبی سیگنال نویزی، سیگنال بدون نویز و نویز و  ،  و  به ترتیب مؤلفه های جزئی سیگنال نویزی، سیگنال بدون نویز و نویز می باشند. در تبدیل موجک مؤلفه های تقریبی، اجزای فرکانس پایین و مؤلفه های جزئی اجزای فرکانس بالا را شامل می شوند.
همانطور که می دانید، محتویات فرکانس پایین مهمترین بخش سیگنال است، این بخش به سیگنال هویت می بخشد. محتویات فرکانس بالا تغییرات شدید سیگنال را نشان می دهد بطور مثال صدای انسان را در نظر بگیرید، اگر اطلاعات فرکانس بالا را حذف کنید صدا متفاوت به نظرمی رسد اما می توان گفت چه چیزی تلفظ شده است در حالی که اگر بخشی از اطلاعات فرکانس پایین را حذف کنید سیگنال به شکل دست و پا شکسته شنیده می شود.
بطورکلی می دانیم انرژی مؤلفه های تقریبی و جزئی هر قسمت از یک سیگنال صوتی مشابه یکدیگر نیستند. بنابراین با توجه به بحث های صورت گرفته می توان نتیجه گرفت در یک فرم صوتی صدادار انرژی مؤلفه های تقریبی بیشتر از انرژی مؤلفه های نویزی است.

(۳-۹۴)

در یک فرم سکوت یا غیر فعال انرژی مؤلفه های تقریبی خیلی کمتر از انرژی مؤلفه های نویزی می باشد